使い方
- TP・FP・TN・FN の件数を入力します。
- 必要なら陽性・陰性ラベルを、自分のデータに合わせた言い方へ変更します。
- 正解率だけでなく、適合率と再現率、特異度を並べて読んで、見逃しと誤検知のバランスを確認します。
Wave 5 ja rollout
1 つの混同行列から主要指標を読み取る
モデルやルールで 2 値予測がすでに出ているときに使います。threshold sweep や ROC 曲線の前に、まずこの時点の分類結果を点検するページです。
入力
計算すると混同行列の指標が表示されます。
正解率だけでは見えないことがあります
陰性が多いデータでは、正解率だけ高くても陽性をほとんど拾えていない場合があります。そのため、このページでは正解率の横に適合率、再現率、特異度、陽性率を並べています。
適合率と再現率の違い
適合率は「陽性と予測したものの中で、どれだけ正しかったか」です。再現率は「実際の陽性をどれだけ拾えたか」です。誤検知を減らしたいのか、見逃しを減らしたいのかで重視する指標が変わります。
ROC AUC との使い分け
ROC AUC は閾値をまだ決めていないときに、スコア全体の並びを確認するページです。このページは、すでに 1 つの閾値で分類した結果を点検するときに使います。
よくある質問
なぜ正解率だけでは十分ではないのですか？
陽性が少ないデータでは、正解率だけ高く見えても、実際には陽性を取りこぼしていることがあります。そのため、適合率、再現率、特異度、陽性率も合わせて確認する必要があります。
適合率と再現率はどう違いますか？
適合率は陽性と予測した中で本当に陽性だった割合です。再現率は実際の陽性のうち、どれだけ陽性と判断できたかを表します。前者は誤検知、後者は見逃しに関係します。
このページは多クラス分類にも対応していますか？
いいえ。初版は 2 値分類に限定しています。TP・FP・TN・FN から主要指標を読み取りやすくすることを優先しています。
共有 URL に件数やラベルは含まれますか？
含まれません。共有 URL には小数桁数などの軽い設定だけを入れ、件数やラベルはブラウザ内に残します。
関連
コメント（任意）
表示負荷を抑えるため、コメントは必要時のみ読み込みます。